A big datában rejlő lehetőségek a menedzsment megreformálását is érintik. Egyszerűen azért, mert a segítségével a menedzserek képesek mérni az üzleti folyamatokat, ezáltal pedig többet – radikálisan többet – tudni saját üzletükről; ezt a tudást pedig közvetlenül alkalmazhatják a szakmai döntéshozatalban és célok elérésében.
Persze az olyan vállalatok, mint a Google vagy az Amazon, már régóta űzik ezt. Végtére is, a digitális korszak vállalataitól azt várjuk, hogy olyan dolgokat érjenek el, melyekről az előző üzleti generáció csak álmodhatott. A big datának azonban a hagyományos üzleti modellek átalakításában is lehet szerepe.
Számos üzleti területen van példa a big data alkalmazására, például amikor megpróbáljuk megérteni, hogy az autógyárakban miért növekedd meg hirtelen a gyártási hibák aránya, vagy emberek millióinak egészségügyi szokásainak megváltoztatására tett kísérlet során, vagy az online értékesítés pontosabb előrejelzésének területén, az áru jellemzőiből kiindulva. A sort hosszan lehetne folytatni.
Lássunk most két vállalatot, melyek messze állnak a Szilícium-völgy szintjétől, és amelyek új információs hullámok segítségével próbálják növelni teljesítményüket.
Esettanulmány 1. – A big data használata az előrejelzési módszerek fejlesztése érdekében
A reptéren minden perc számít. Ahogy számít minden pontos információ is a repülési adatokkal kapcsolatban; ha egy gép előbb landol, mint ahogy a fogadó személyzet felkészült volna arra, az kellemetlen lehet az utasok számára, ha pedig később landol, akkor a személyzet tétlen üldögélése nem költséghatékony. Ennek megfelelően, az egyik vezető amerikai légitársaság – tudva, hogy egy belső tanulmány szerint a gépek 10%-a nem pontosan (vagy előbb, vagy később) landol – akcióba lépett.
Abban az időben a légitársaságok a légierő információira hagyatkoztak, azon belül is a nagy hagyományokkal rendelkező, pilóták által használt ETA-rendszerre. A pilóták ezeket a becsléseket a repülés előtti órákban tették meg, amikor amúgy is millió elfoglaltságuk volt. Egy kézenfekvőbb megoldás érdekében a légitársaság a PASSUR Aerospace-hez fordult, amely egy döntéstámogató technológiákkal foglalkozó vállalat a légiközlekedési iparágban.
A PASSUR 2001-ben kezdte el az érkezési idők becslését egy RightETA nevű szolgáltatással. A becsléseket különböző közérdekű adatok – időjárás, repülési menetrend, más fontos faktorok – összegyűjtésével és ötvözésével készítették, beleértve passzív radarállomások méréseit is, melyeket repterek közelében kifejezetten azért telepítettek, hogy lokális adatokat gyűjtsenek minden elrepülő gépről az égbolton.
A PASSUR az elején csak néhány ilyen berendezéssel rendelkezett, ma, 2012-ben azonban már 155 van a birtokában. Minden 4.6 másodpercben információk sokaságát gyűjti össze arról a repülőgépről, amit éppen ’lát’. Mindez a digitális adatok folyamatos feldolgozását jelenti. Sőt, mi több, a vállalat minden, általa valaha begyűjtött adatot tárol, így óriási többdimenziós adathalmazzal rendelkezik, amelyet közel egy évtizede gyűjtöget. A RightETA tulajdonképpen saját magát bombázza kérdésekkel: „Mi történt a legutóbbi esetekben, amikor a gép ilyen körülmények között landolt?” „Valójában hogyan zajlott a landolás?”
A légitársaság a RightETA bevezetését követően megszüntette a becsült és a valós érkezési idők közötti szakadékot. A PASSUR úgy véli, olyan információval ruházzák így fel a légitársaságokat, amely évente több millió dollár megtakarítást jelent repülőterenként. A történet egyszerű; a big data használata jobb előrejelzési eredményeket hoz, a jobb előrejelzés pedig okosabb döntésekhez vezet.
Esettanulmány 2. – A big data használata az eladásösztönzésben
A Sears Holdings néhány éve arra a következtetésre jutott, hogy értékesebb, hasznosabb eredményeket kell kihoznia abból a hatalmas adathalmazból, amelyet a Sears, a Craftsman vagy a Lands’ End fogyasztóiról, termékeiről és promócióiról gyűjtött be. Persze az is elég lenne, ha mindezeket az adatokat kombinálja, és felhasználja személyre szabott promócióra vagy egyéb, fogyasztókat célzó ajánlatokra, a kedvezmények és ajánlatok személyessé tételéhez pedig a helyi sajátosságokat használja fel.
Értékes adatok, ugyanakkor nehéz kinyerni őket; a Searsnek nyolc hétig tartott a személyes ajánlatokra alapozó promóció kidolgozása, mely azonban – időigénye miatt – nem volt optimális megoldás a cég számára. Azért tartott ennyi ideig a folyamat, mert a szükséges adatok nagy terjedelműek és erősen fragmentáltak voltak – számos adatbázist és adattárházat kellett felkutatni.
Egy gyorsabb, olcsóbb megoldás után kutatva a Sears Holdings a big data megoldás felé fordult. Az első lépések egyikekén felállította a Hadoop cluster-t. Ez nem más, mint olcsó árucikkek nyilvántartására szolgáló rendszer, melyet egy dinamikusan fejlődő szoftver, a Hadoop fog össze. (az elnevezés egy játékelefántnak köszönhető, a Doug Cutting egyik fejlesztőjének fejéből pattant ki).
A Sears azért kezdte használni a szoftvert, hogy a bejövő adatokat megfelelően feldolgozza és tárolja. Majd az elemzést közvetlenül folytathassa le, kikerülve az időrabló adatbányászatot és adatkombinálást. A változtatás tette lehetővé, hogy a cég gyorsabb és pontosabb promóciós kampányokat folytathasson le.
A cég műszaki igazgatója, Phil Shelley szerint a sikeres promócióhoz szükséges 8 hetes időtartam 1 hetesre szűkült, és folyamatosan szűkül azóta is. A promóciós kampányok ezen kívül színvonalasabbak is lettek, időszerűbbek, részletesebbek és személyesebbek. A Sears Hadoop klasztere több petabájtnyi adatot tárol és dolgoz fel egy komplett adattárház költségeinek töredékéért.
Shelley azt mondja, meglepi, milyen gyorsan vált át a szakma a régi megrögződésekről az új megközelítésekre és a nagy teljesítményű elemző módszerekre. Mivel 2010-ben még meglehetősen hiányos volt az új típusú adatfeldolgozási technológiák piaca, a Sears a munka egy részével a Cloudera nevű vállalatot bízta meg. Idővel azonban a Sears tapasztalt IT szakemberei és piackutatói is megbarátkoztak az újfajta eszközökkel és megközelítéssel.
A PASSUR és a Sears Holdings példái jól illusztrálják a big datában rejlő potenciált, ami pontosabb előrejelzéseket, jobb döntéseket, a folyamatokba való precízebb közbeavatkozást tesz lehetővé, látszólag korlátlanul. Hasonló eredményeket tapasztalhatunk számos iparágban, kezdve a pénzügyektől a marketingen át a szállodaiparig és a szerencsejátékokig, kezdve a HR-től egészen a gépszerelőkig.
Ez nem csupán néhány kiragadott példa. A szakértők meggyőződése, hogy a gazdaság alapvető átalakuláson fog keresztülmenni. Meg vannak győződve arról is, hogy ez az átalakulás az üzleti élet legapróbb szegmensét is érinti majd.
Kétségtelen, hogy ma is vannak hátráltató tényezői a sikernek. Kevés az adatelemző szakember a piacon. A technológiák újak, néha egészen egzotikusak. Könnyen összetéveszthetjük a korrelációt és az ok-okozati összefüggést, és könnyen fedezhetünk fel az adatokban valójában nem létező mintázatokat. Óriási kulturális kihívások tornyosulnak előttünk, és a tetejébe még a személyes adatok védelme is egyre jelentősebb téma. A most futó trendek azonban – mind a technológiák, mind az üzleti megoldások terén – félreérthetetlenek.
A következtetés egyértelmű: az adatokra alapozva hozott döntések mindig jobb döntések. (Data-driven decisions tend to be better decisions). Bármely szektor bármely cége, amely megfogadja ezt a tanácsot, riválisai előtt fog járni. Nem mi mondjuk, hogy minden sikeres cég a big data-hoz fordul majd a döntéshozatali folyamatok megreformálása érdekében. Ezt az adatok mondják.
(Internet/Piackutatás blog)
A témában korábban megjelent írás a Piackutatás Hírek oldalon:
Big data: Az adatok ébredése, avagy a társadalom újragondolása az adatsokaság nyomán
A témában korábban megjelent írások a Piackutatás blogon:
